Проведено исследование применения нейросетевых технологий для решения актуальной задачи прогнозирования временных рядов. В ходе исследования рассмотрены следующие аспекты построения нейросетевых систем: обработка входных данных, разработка архитектуры, обучение. Основное внимание уделено проблемам проектирования систем, выполняющих построение прогноза на несколько шагов вперед и базирующихся на основе многослойной нейронной сети. Представлен способ адаптации архитектуры сети «многослойный персептрон» к решению задачи многошагового прогнозирования с последующей апробацией разработанной модели и её сравнения с неадаптированной моделью. При проведении экспериментов в качестве входных данных сети использовались временные ряды различной природы и обладающие разными характеристиками. Результаты исследований показали, что использование предложенной модели сети позволяет уменьшить накопление ошибки прогнозирования.

Current research was done about the using of neural network technologies for solving the problems of forecasting.The study covered the following aspects of development of neural-network system: handling of input data, architecture design, training. Design of multilayer neural-network system for multi-step-ahead forecasting was the main point of the study. We proposed the adaptation of multilayer perceptron architecture to make multi-step-ahead predictions, followed by appraisal and comparison with unadapted model. Time series differing from each other by nature and characteristics were used as the network input data for experiments. Based on the result it can be concluded that using of the proposed network model allows decreasing the accumulation of prediction error.